Marketing e intelligenza artificiale: cosa funziona nel 2026

In Komsulting abbiamo affiancato decine di aziende nell’introdurre strumenti AI nel marketing. Alcune hanno ottenuto risultati misurabili e ripetibili, altre hanno speso budget importanti in programmi che oggi nessuno apre più, e a separarle è stato il metodo con cui li hanno adottati. Ecco, numeri alla mano, cosa ha funzionato e cosa no.

AI nel marketing: promesse e realtà nel 2025

Le statistiche di settore raccontano due storie, da leggere insieme.

La prima riguarda l’adozione: secondo il rapporto annuale di Salesforce sullo State of Marketing AI, nel 2025 il 68% dei team marketing italiani ha introdotto almeno uno strumento di intelligenza artificiale nel proprio lavoro, contro il 31% dell’anno prima, una crescita quasi senza precedenti nella storia recente del marketing.

La seconda riguarda i risultati: solo il 23% di questi team dichiara un ROI positivo e misurabile, il 41% ammette di non saperlo misurare e il 36% ha sospeso o ridotto l’uso degli strumenti dopo l’entusiasmo dei primi mesi.

È successo quello che succede quando una tecnologia entra in azienda di corsa: si compra prima di sapere cosa risolvere, si forma il personale con un webinar generico da 45 minuti, si misura poco o nulla e si scambia la presenza dello strumento per valore.

Il marketing scientifico fa il contrario: definisce il problema, sceglie lo strumento, misura l’effetto e corregge. Con l’AI questa disciplina serve ancora di più, perché produrre testi costa così poco che è facile confondere la quantità con il valore.

Dove l’AI ha dato risultati misurabili nel 2025

Nei progetti che abbiamo seguito, gli ambiti con un valore misurabile e attribuibile sono quattro.

Analisi qualitativa di grandi volumi di testo

Il caso d’uso con il ROI più evidente è la sentiment analysis e l’estrazione di temi da risposte aperte ai sondaggi, recensioni online, richieste all’assistenza clienti e interviste trascritte.

Un’azienda industriale B2B con cui lavoriamo da tre anni riceve ogni trimestre circa 2.400 risposte aperte ai sondaggi di soddisfazione. Fino al 2024 le scorreva un analista junior in due giornate piene, riassumendole in cinque o sei punti generici che di rado portavano a decisioni su prodotto o servizio.

Da marzo 2025 abbiamo introdotto un flusso di lavoro basato su Claude di Anthropic, che classifica le risposte secondo categorie condivise, estrae i temi ricorrenti, misura il sentiment per gruppi di clienti (per settore, dimensione e anni di rapporto) e segnala le risposte anomale da far leggere a una persona.

Il tempo è sceso da tre giornate di lavoro a quattro ore di supervisione. Soprattutto, dai temi emersi il cliente ha individuato tre problemi di prodotto che prima si perdevano nel rumore: due sono entrati nel piano di sviluppo del trimestre successivo, uno è diventato una nuova funzione che oggi è tra gli argomenti di vendita più efficaci.

Generazione di varianti per A/B test multivariati

Il secondo ambito è la produzione di varianti da testare: oggetti delle email, titoli delle landing page, testi degli annunci a pagamento e inviti all’azione.

Prima un copywriter scriveva cinque o dieci varianti di un annuncio. Con Claude o ChatGPT ne produce cinquanta in un’ora, tiene quelle in linea con il brand e ne porta quindici al test multivariato, che così copre più possibilità e trova prima le versioni vincenti.

L’AI è bravissima a produrre varianti e molto meno a sceglierle: per scartare quelle mediocri, fuori tono o uguali nella sostanza serve il copywriter. Chi ha automatizzato anche la scelta ha pubblicato testi imbarazzanti, spesso scoperti grazie alle segnalazioni dei clienti.

Ricerca preliminare e analisi competitor

Claude, ChatGPT con la navigazione web e Perplexity hanno reso rapida e accessibile la ricerca preliminare su un mercato, un’azienda, una tecnologia o un concorrente, un lavoro che richiedeva ore o giorni.

Per un cliente del settore alimentare e bevande che valutava un nuovo segmento di prodotto, in quattro ore di lavoro con l’AI abbiamo preparato quello che con i metodi tradizionali sarebbe stato un report da tre settimane: quadro del segmento, aziende principali, stima del mercato, mosse recenti della concorrenza, segnali deboli da brevetti e annunci di lavoro.

L’analisi strategica resta un’altra cosa: chiede una conoscenza profonda del settore, fonti di prima mano e rapporti diretti con chi ci lavora. L’AI però accorcia molto la ricerca delle informazioni di base e lascia più tempo per pensare alla strategia.

Personalizzazione e-commerce in tempo reale

Gli e-commerce che hanno adottato raccomandazioni basate sull’AI, molto più raffinate del classico «chi ha comprato X ha comprato anche Y», hanno visto crescere il valore medio del carrello tra il 12% e il 18% nei test che abbiamo misurato.

È meno spettacolare della «rivoluzione» promessa dai venditori di software, ma è un miglioramento solido che si accumula, soprattutto con molto traffico: un e-commerce da tre milioni di euro l’anno che alza del 15% il valore medio del carrello incassa circa 450.000 euro in più a parità di traffico.

Dove l’AI ha deluso, e perché

Le delusioni del 2025 si concentrano in tre ambiti, e quasi sempre il problema è stato il modo di usare l’AI.

Il copy "scritto dall’AI" in automatico

L’idea di ottenere un buon articolo con un clic ha prodotto, nel 2025, una massa di contenuti mediocri che Google penalizza sempre di più. L’aggiornamento Helpful Content dell’algoritmo, a marzo 2025, ha colpito duramente i siti che pubblicavano testi AI senza un vero intervento umano.

Chi voleva far crescere il content marketing automatizzando tutta la produzione ha visto il traffico organico calare mese dopo mese. Qualche commentatore frettoloso ne ha concluso che «l’AI è il male»; in realtà Google ha alzato la qualità minima, e l’AI usata male resta sotto.

A tradire queste aziende è stata la pretesa di fare a meno del giudizio editoriale, dell’esperienza nel settore e delle idee originali. Produrre molti contenuti buoni con l’AI si può, alternando macchina e persone: ne parliamo in un articolo dedicato.

Le "strategie" generate dall’AI

Nel 2025 alcuni programmi promettevano strategie di marketing complete partendo da pochi dati in un modulo: tipo di azienda, settore, target, budget, obiettivi. I risultati sono stati generici, senza eccezioni: schemi da manuale, consigli alla portata di chiunque abbia sei mesi di esperienza, piani intercambiabili tra aziende completamente diverse.

L’AI non conosce il mercato italiano, la storia del cliente o il suo posizionamento rispetto ai concorrenti, e può al massimo aiutare a scrivere un piano dopo che le persone hanno deciso la strategia. Chi ha pagato consulenti per farsi scrivere «strategie» dall’AI si è ritrovato con documenti che non gli sono serviti a niente.

I chatbot di assistenza clienti progettati male

Moltissime aziende italiane hanno affidato il primo livello dell’assistenza a un chatbot AI senza ripensare i processi. L’effetto è sempre lo stesso: clienti esasperati che cercano una persona, l’impressione di un servizio peggiore, l’NPS (l’indice di soddisfazione) in calo nei trimestri successivi.

Eppure i chatbot di ultima generazione gestiscono bene molte richieste semplici. Il guaio è averli inseriti senza ridisegnare il servizio: nessun passaggio chiaro a un operatore, nessuna gestione dei casi particolari, nessuno che rilegga le conversazioni fallite per migliorare.

Come integrare l’AI nel marketing aziendale in quattro fasi

Un anno di progetti AI in aziende di settori e dimensioni diverse ci ha portato a un metodo in quattro fasi consecutive, lo stesso che usiamo nelle consulenze.

Fase 1: Mappatura dei processi marketing attuali

Prima ancora di parlare di strumenti, ricostruiamo i processi di marketing del cliente: cosa si fa, chi lo fa, con quali strumenti, quanto spesso, in quanto tempo, con quale risultato e quale valore.

Senza questa fotografia è impossibile capire dove l’AI aiuta e dove sarebbe solo un costo in più. È la fase più importante, e di solito chiede due o tre settimane accanto al team del cliente, tra interviste e osservazione diretta.

Fase 2: Scelta delle attività ad alto rapporto valore/tempo

Cerchiamo attività che si ripetono spesso, che una per una chiedono poco ingegno e che, messe insieme, producono decisioni o risultati importanti.

Per esempio lo smistamento dei lead in arrivo, la classificazione delle richieste all’assistenza, il sentiment delle recensioni, le varianti creative da testare, i report mensili che uniscono più fonti.

Qui l’AI rende di più, mentre la teniamo lontana dalle scelte strategiche, da ciò che richiede anni di conoscenza del contesto e dai rapporti tra persone.

Fase 3: Progetto pilota con metriche decise prima

Facciamo un progetto pilota su una sola attività, fissando prima i numeri con cui giudicarlo: valori del processo attuale, qualità, completezza e accuratezza del risultato, tempi e costi, un periodo di osservazione fisso. Impressioni come «sembrava andare meglio» o «il team è contento» restano fuori.

Il pilota dura di solito sei-otto settimane, con verifiche intermedie e una valutazione finale strutturata.

Fase 4: Estendere o spegnere, senza ostinarsi

Finito il pilota, se i numeri dimostrano che l’attività con l’AI funziona meglio la estendiamo, con regole operative e formazione; se non funziona meglio, la spegniamo subito.

Nel 2025 la trappola dei costi già sostenuti (sunk cost fallacy) ha bruciato budget enormi: aziende che continuavano a pagare strumenti senza valore misurabile perché «ci abbiamo già messo dentro 30.000 euro».

Claude, ChatGPT e gli altri: i modelli che usiamo

Dietro «AI nel marketing» ci sono strumenti precisi. In Komsulting il modello principale è Claude di Anthropic, per analizzare documenti, scrivere contenuti complessi e ragionare in più passaggi. Il motivo è pratico: nei nostri test interni è più preciso nelle sintesi e nelle analisi, inventa molto meno sui contenuti specialistici (le «allucinazioni») e segue meglio le istruzioni articolate.

Per altri lavori usiamo altri modelli: ChatGPT per varianti brevi e idee veloci, Gemini se il cliente lavora in Google Workspace, Perplexity per ricerche con fonti verificabili, Copilot di Microsoft se il cliente usa soprattutto Office.

Il modello giusto dipende dal lavoro, dai sistemi già in uso e dalle regole sui dati del cliente. Il confronto completo è in un articolo dedicato della serie.

La formazione del team, un tema spesso trascurato

Le aziende sottovalutano quanto i risultati dell’AI dipendano da chi la usa. Tra un junior e un marketer esperto che scrivono la stessa email con Claude la distanza è enorme, molto più di quella tra Claude e un altro modello.

Il prompt engineering, cioè l’abilità di scrivere bene le istruzioni per l’AI, è una competenza vera: si impara, migliora con la pratica e cambia la qualità del risultato. Chi ha formato il team marketing con un percorso strutturato ha ottenuto risultati molto migliori di chi ha comprato le licenze e detto «arrangiatevi».

Nell’ultimo anno la formazione è una delle richieste più frequenti a Komsulting: percorsi pensati per il singolo team marketing, per portare l’AI nel lavoro quotidiano.

AI e marketing nel 2026: tre tendenze da seguire

Nel 2026 le aziende dovranno smettere di provare l’AI a caso e inserirla nei processi di marketing con ordine e responsabilità. Tre tendenze meritano attenzione.

Agenti autonomi. I sistemi AI che svolgono da soli una catena di azioni (cercare informazioni, riassumerle, eseguire lavori in più passaggi) diventeranno utilizzabili nel lavoro di ogni giorno, a partire dalla gestione operativa del marketing, dalle campagne a pagamento e dalla produzione dei contenuti.

Specializzazione verticale. Si moltiplicheranno i modelli addestrati su un solo settore: legale, medico, finanziario, e-commerce, B2B industriale. Per il marketing significa strumenti più potenti su compiti precisi ma più costosi e difficili da imparare, quindi il rapporto tra costi e benefici andrà pesato caso per caso, senza comprare per moda.

Regolamentazione europea. Nel 2026 l’AI Act si sta applicando per gradi, con scadenze diverse, e le aziende devono documentare come usano l’AI nei processi che toccano i consumatori, essere trasparenti sui sistemi automatici e trattare i dati personali con più attenzione.

Dalla domanda «userò l’AI?» alla domanda «come la userò?»

Nel 2025, nelle riunioni di direzione marketing, ci si chiedeva ancora «useremo l’AI?». Nel 2026 la domanda è «come la useremo?»: con quali processi e metriche, chi ne risponde, come si forma il team.

Il vantaggio andrà a chi avrà inserito l’AI con metodo nei processi reali, qualunque sia il numero di strumenti sottoscritti. Per portarla in azienda senza farsi travolgere dalle promesse di chi la vende serve il marketing scientifico, cioè misurare, spiegare le scelte e partire da dati osservabili.

Nel primo audit di Komsulting partiamo da una domanda semplice: dove nasce oggi il valore del tuo marketing, e come può l’AI farlo crescere? Se vuoi la risposta per la tua azienda, parliamone.